Architektura rozwiązania: Spersonalizowane rozwiązania marketingowe

Spersonalizowany marketing jest niezbędny, jeśli chcesz zbudować bazę lojalnych klientów i utrzymać zyskowność. Docieranie do klientów i ich angażowanie jest dziś trudniejsze niż kiedykolwiek wcześniej, a oferty ogólne można łatwo pominąć lub zignorować. Bieżące systemy marketingowe nie korzystają z zalet danych, co mogłoby pomóc rozwiązań ten problem.

Pracownicy działów marketingu mogą używać inteligentnych systemów i analizować ogromne ilości danych, aby dostarczać poszczególnym użytkownikom spersonalizowane, odpowiadające im oferty, eliminując zamieszanie i zwiększając zaangażowanie. Na przykład sprzedawcy detaliczni mogą przygotowywać oferty i zawartość w oparciu o unikatowe zainteresowania i preferencje poszczególnych klientów, dzięki czemu produkty będą przedstawiane osobom, które najprawdopodobniej je kupią.

Personalizując swoje oferty, dostarczasz zindywidualizowane środowisko każdemu aktualnemu i potencjalnemu klientowi. Zwiększa to ich zaangażowanie, przyspiesza konwersję klientów, a także poprawia wartość w okresie eksploatacji oraz okres przechowywania.

Wdrażanie na platformie Azure

Użyj poniższego wstępnie utworzonego szablonu, aby wdrożyć tę architekturę na platformie Azure

Wdrażanie na platformie Azure

Przeglądaj w usłudze GitHub

Spersonalizowane rozwiązania marketingowe Znajdź technologię niezbędną do wprowadzenia produktów na rynek przy użyciu ofert spersonalizowanych. Spersonalizuj działania marketingowe w celu uzyskiwania lepszych reakcji klientów przy użyciu szczegółowych danych big data. Cosmos DB (Azure Services) Dashboard Browser Azure Stream Analytics (Near Real-Time Aggregates) Input Events Event Hub Cold Start Product Affinity Maching Learning (Product Affinity) Raw Stream Data Personalized Offer Logic

Wytyczne dotyczące implementacji

Produkty Dokumentacja

Event Hubs

Event Hubs ingests raw click-stream data from Functions and passes it on to Stream Analytics.

Stream Analytics

Stream Analytics aggregates clicks in near real-time by product, offer, and user to write to Azure Cosmos DB and also archives raw click-stream data to Azure Storage.

Azure Cosmos DB

Azure Cosmos DB stores aggregated data of clicks by user, product, and offer as well as user-profile information.

Storage

Azure Storage stores archived raw click-stream data from Stream Analytics.

Functions

Azure Functions takes in user clickstream data from website and reads existing user history from Azure Cosmos DB. These data are then run through the Machine Learning web service or used along with the cold-start data in Redis Cache to obtain product-affinity scores. Product-affinity scores are used with the personalized-offer logic to determine the most relevant offer to present to the user.

Machine Learning

Machine Learning helps you easily design, test, operationalize, and manage predictive analytics solutions in the cloud.

Redis Cache

Redis Cache stores pre-computed cold-start product affinity scores for users without history.

Power BI

Power BI Visualizes user activity data as well as offers presented by reading in data from Cosmos DB.

Powiązane architektury rozwiązań

Oparta na zadaniach aplikacja mobilna konsumenta

Zaplecze aplikacji mobilnych używane przez aplikacje klienta dla systemu iOS, Android i Windows. Użyj platformy Xamarin lub natywnych zestawów SDK klienta, aby utworzyć aplikację klienta mobilnego z obsługą synchronizacji offline, w tym synchronizacji offline plików obrazów. Uwierzytelnianie w usłudze App Service jest używane do nawiązywania połączeń z dostawcą tożsamości, a usługa Azure Blob Storage zapewnia skalowalny i ekonomiczny sposób przechowywania obrazów.

Dowiedz się więcej